Information gemäß § 6 (4) des Gesundheitsdatennutzungsgesetzes (GDNG) zur Verarbeitung von Gesundheitsdaten am Universitätsklinikum Bonn

Die Laboreinsendungen in das Zentrallabor im Zeitraum von 09/2017 bis 01/2025 werden retrospektiv auf das Vorliegen von sogenannten präanalytischen Störfaktoren (Verfärbungen des Blutplasmas, die Laboruntersuchungen beeinflussen können) untersucht. Eine Erfassung der Störfaktoren erfolgte automatisch bei der Messung der Blutproben. Es werden die Barcodes der jeweiligen Proben und Fallnummern erhoben um damit den Einsender (Ambulanz, Normalstation, Intensivstation und welche Fachrichtung) festzustellen. Ziel ist festzustellen, ob bestimmte Bereiche der Klinik häufiger durch Störfaktoren beeinflusste Blutproben schicken als andere. Die Auswertung erfolgt auf Ebene von Gesamtmonaten, eine Zuordnung von Einzelpersonen ist nicht möglich.

PDAC.ai ist ein Forschungsprojekt, das Künstliche Intelligenz (KI) einsetzt, um den Bauchspeicheldrüsenkrebs (medizinisch: Pankreaskarzinom) besser zu verstehen, frühzeitig zu erkennen und gezielter behandeln zu können. Dafür werden unterschiedliche medizinische Daten von Patientinnen und Patienten zusammengeführt – unter anderem radiologische Bilddaten (z. B. aus CT- oder MRT-Untersuchungen), mikroskopische Aufnahmen von Gewebeproben, klinische Informationen wie Tumorstadium oder Therapieverlauf sowie Laborwerte. Alle diese Daten werden pseudonymisiert, also so verarbeitet, dass sie keiner einzelnen Person mehr direkt zugeordnet werden können.

Mit Hilfe dieser Daten „lernt“ die KI, Muster zu erkennen, die zum Beispiel auf eine bereits vorhandene Ausbreitung des Tumors in die Lymphknoten hinweisen oder Hinweise auf einen aggressiven Verlauf der Erkrankung geben. Ziel ist es, durch diese Mustererkennung die Genauigkeit der Diagnose zu verbessern, das Risiko einer Metastasierung besser einschätzen zu können und eine individuell angepasste Therapieentscheidung zu ermöglichen.

Die Ergebnisse aus PDAC.ai sollen langfristig dazu beitragen, unnötige Chemotherapien zu vermeiden, Hochrisikopatient:innen frühzeitig zu identifizieren und insgesamt eine personalisierte, datengestützte Versorgung bei Bauchspeicheldrüsenkrebs zu etablieren.

Das Forschungsprojekt TDLN-PDAC beschäftigt sich mit einem besonderen Aspekt des Bauchspeicheldrüsenkrebses – den sogenannten tumor-drainierenden Lymphknoten (kurz: TDLN). Diese Lymphknoten befinden sich entlang der natürlichen Abflusswege der Lymphe in der Nähe des Tumors und spielen eine zentrale Rolle dabei, wie sich Krebszellen im Körper ausbreiten können. Sie sind aber nicht nur „Durchgangsstationen“ für Tumorzellen, sondern auch aktive Orte des Immunsystems, an denen der Körper versucht, den Krebs zu erkennen und zu bekämpfen.

In diesem Projekt untersuchen wir die Tumorumgebung (TME, tumor microenvironment) in diesen Lymphknoten besonders genau – das heißt: Welche Immunzellen sind dort aktiv? Welche Gene sind an- oder abgeschaltet? Und wie verändert der Tumor das lokale Abwehrsystem?

Dazu werden verschiedene Datenarten kombiniert und ausgewertet:
Wir analysieren mikroskopische Gewebeaufnahmen, erstellen genetische und molekulare Profile (z. B. RNA-Expression und Mutationsmuster), und untersuchen mithilfe modernster Technologien wie der räumlichen Transkriptomik (spatial transcriptomics), welche Zelltypen wo im Lymphknoten auftreten und wie sie miteinander kommunizieren. Zusätzlich werden Daten aus Einzelzellanalysen (single-cell RNA-sequencing) und Multiplex-Färbungen genutzt, um ein besonders detailliertes Bild der Immunantwort zu erhalten.

Alle Patientendaten werden dabei selbstverständlich pseudonymisiert verarbeitet, sodass kein Rückschluss auf einzelne Personen möglich ist.

Die Ergebnisse sollen helfen, besser zu verstehen, warum manche Patientinnen und Patienten Metastasen entwickeln und andere nicht, und ob bestimmte Immunzell-Muster in den Lymphknoten frühzeitig Hinweise auf das Risiko eines Rückfalls geben können.

Langfristig soll das Projekt dazu beitragen, neue biologische Marker zu finden, mit denen sich Risikopatient:innen gezielter behandeln lassen. Die wissenschaftlichen Erkenntnisse aus dem Projekt werden in Fachzeitschriften veröffentlicht und sollen auch in größere Forschungsnetzwerke einfließen, die sich mit der personalisierten Krebstherapie beschäftigen.

Im Rahmen des von der Deutschen Krebshilfe geförderten Forschungsprojekts PrepAIred widmet sich ein Teilkonsortium innerhalb der German Pancreatic Cancer Alliance (GPCA) einer besonders innovativen Frage: Können wir mit Hilfe von Künstlicher Intelligenz (KI) völlig neue Zielstrukturen entdecken, gegen die man präzise Wirkstoffe – sogenannte Minibinder – entwickeln kann?

Das ist gerade beim Bauchspeicheldrüsenkrebs (Pankreaskarzinom) von besonderer Bedeutung, da diese aggressive Tumorart bislang nur sehr eingeschränkt auf herkömmliche Therapien anspricht. Viele bekannte Zielmoleküle (sogenannte "Targets") sind entweder schwer zugänglich oder verändern sich im Verlauf der Erkrankung.

Hier setzt das GPCA-Modul von PrepAIred an:
Mittels modernster KI-gestützter Strukturbiologie (z. B. durch den Einsatz von AlphaFold2, RFdiffusion und weiteren Modellen) werden große Mengen an genetischen, molekularen und zellulären Daten aus Tumorgewebe analysiert. Ziel ist es, neuartige Oberflächenstrukturen auf Tumorzellen zu identifizieren, die sich besonders gut für eine zielgerichtete Therapie eignen – z. B. weil sie spezifisch auf Krebszellen vorkommen oder weil sie immunologisch besonders aktiv sind.

Sobald solche potenziellen Zielstrukturen gefunden sind, nutzt das Team spezielle KI-Algorithmen zur in silico-Entwicklung sogenannter "Minibinder" – das sind kleine, maßgeschneiderte Proteine oder Peptide, die exakt an diese Strukturen binden und so entweder die Tumorzelle markieren oder direkt beeinflussen können.

Langfristiges Ziel des Projekts ist es, eine neue Klasse zielgerichteter Wirkstoffe zu entwickeln, die auf Basis echter Tumor-Biologie und KI-gestützter Moleküldesigns entstehen – ein wichtiger Schritt in Richtung personalisiert wirksamer Therapien bei Bauchspeicheldrüsenkrebs.

Die wissenschaftlichen Ergebnisse werden in Fachzeitschriften veröffentlicht und sollen mittelfristig in präklinische Validierungsstudien und kooperative Weiterentwicklungen mit klinischen Partnern einfließen.

Das Projekt MRD-VIS beschäftigt sich mit einem der wichtigsten, aber bisher schwer messbaren Risiken bei Krebspatient:innen: der sogenannten minimalen Resterkrankung, auf Englisch Minimal Residual Disease (MRD).

Dabei handelt es sich um kleinste verbliebene Tumorzellen oder -fragmente, die nach einer Operation oder Therapie zunächst nicht mehr sichtbar sind – weder in bildgebenden Verfahren noch in herkömmlichen Bluttests. Trotzdem können sie später zu einem Rückfall der Erkrankung (Rezidiv) führen.

Ziel von MRD-VIS ist es, solche minimalen Tumorreste frühzeitig und zuverlässig nachzuweisen, um die Behandlung gezielt anpassen und Rückfälle vermeiden zu können. Der Fokus liegt dabei auf sogenannten viszeralen Tumoren, also bösartigen Erkrankungen innerer Organe wie Bauchspeicheldrüse, Magen, Darm, Leber oder Speiseröhre.

Um diese „unsichtbaren“ Tumorzellen aufzuspüren, nutzt das Forschungsteam hochmoderne molekulare und digitale Methoden. Dazu gehören unter anderem:

Blutproben (Liquid Biopsies), aus denen zirkulierende Tumor-DNA (ctDNA) isoliert wird

Genetische Analysen, z. B. durch Sequenzierung typischer Tumormutationen

Methylierungsbasierte Marker, die helfen, selbst kleinste Tumorsignaturen zu erkennen

Vergleich mit Gewebeproben, um die Herkunft der im Blut gefundenen Tumorfragmente genau zu bestimmen

Künstliche Intelligenz, um Muster in den Daten zu erkennen und Risikoabschätzungen zu ermöglichen

Alle Patientendaten werden selbstverständlich datenschutzkonform pseudonymisiert, sodass keine Rückschlüsse auf Einzelpersonen möglich sind.

Die wissenschaftlichen Erkenntnisse aus MRD-VIS sollen nicht nur helfen, die Überwachung und Nachsorge zu verbessern, sondern auch neue Entscheidungshilfen für personalisierte Therapien liefern. Die Ergebnisse werden in Fachzeitschriften veröffentlicht und mit klinischen Partnern weiterentwickelt, um sie langfristig in die Versorgung von Patientinnen und Patienten mit viszeralen Tumoren zu überführen.

Es soll retrospektiv, also im Nachhinein, untersucht werden, wie sich das Flüssigembolisat N-Hexyl-Cyanoacrylat (NHCA), verglichen mit anderen Flüssigkembolisaten, verhält. Dazu sollen zum einen technische Aspekte der Behandlung untersucht werden, zum Beispiel, wie gut sichtbar NHCA im Vergleich zu anderen Substanzen im Röntgenbild ist. Außerdem soll untersucht werden, ob Patient*innen, die wegen einer chronischen Subduralblutung eine Operation erhalten haben, häufiger nachoperiert werden müssen, wenn sie keine Embolisation der A. meningea media erhalten haben, verglichen mit den Patient*innen, die eine solche Behandlung mit NHCA erhalten haben. Dazu werden Patient*innendaten wie Alter, Geschlecht, Symptomatik, Technik der Behandlung, Komplikationen der Behandlung und Ergebnisse der Behandlung erhoben und untersucht. Diese Daten werden zunächst pseudonymisiert, nach erfolgreicher Auswertung anonymisiert gespeichert, so dass kein nachvollziehbarer Bezug zum Individuum mehr möglich ist.

Im DELPHIN Projekt wurde für die Nackontaktierung und Studienrekrutierung von Patient*innen deren zur Verfügung stehenden Kontaktdaten genutzt. Ausgewählt wurden die Patient*innen anhand ihrer Diagnose (Krebs) und dem Diagnosedatum (mind. vor 5 Jahren). Die Kontaktdaten werden nicht weitergegeben, nicht ausgewertet und nicht veröffentlicht. Für die Teilnahme an der DELPHIN Studie erfolgt eine eigene Einwilligungserklärung. Die personenidentfizierenden Daten werden nach Projektende vom Studienserver gelöscht.

Unsere Studie hat untersucht, ob die Menge an Infusionen, die Patienten während einer Roboter-assistierten Prostata-Krebsoperation (RARP) bekommen, die Heilung beeinflusst. Wir haben die Daten von 285 Männern ausgewertet.Wir fanden heraus, dass die Menge der Flüssigkeit keinen Einfluss auf schwere Komplikationen oder undichte Nähte hatte. Aber: Patienten, die mehr Infusionen erhielten, bildeten häufiger Ansammlungen von Lymphflüssigkeit (Lymphozelen). Die meisten dieser Ansammungen machten keine Probleme.Dieser Befund ist wichtig, weil er zeigt, dass die Flüssigkeitsmenge ein Faktor ist, den die Narkoseärzte aktiv steuern können, um diese Nebenwirkung zu verringern. Eine Dosis unter etwa 8 Milliliter pro Kilogramm und Stunde scheint günstiger zu sein.

In diesem Projekt werden Bildaufnahmen des Gehirns und klinische Daten zum Krankheitsverlauf und Untersuchungsergebnissen von Menschen mit Epilepsie analysiert, um besser zu verstehen, wo im Gehirn epileptische Anfälle entstehen und wie diese behandelt werden können. Moderne Computerprogramme (Künstliche Intelligenz, Bild-Sprach-Modelle) suchen Muster in den Gehirnbildern, die mit den Untersuchungsergebnissen in Verbindung stehen. Damit können Ärzt:innen bei der Diagnostik und Behandlung von Epilepsie unterstützt werden.

In diesem Projekt wird untersucht, warum einige Patientinnen und Patienten nach der Entfernung von Silikonöl, das zur Stabilisierung der Netzhaut nach bspw. einer Netzhautablösung eingesetzt wird, einen unerwarteten Sehverlust erleiden. Dazu werden die medizinischen Daten aller Personen ausgewertet, denen zwischen Juli 2022 und Dezember 2023 Silikonöl entfernt wurde. Verwendet werden unter anderem Angaben zur Sehschärfe, zum Augeninnendruck, zur augenärztlichen Vorgeschichte, zu den jeweiligen Operationen, zu Netzhautaufnahmen (Optische Kohärenztomografie, OCT) sowie zur ursprünglich aufgetretenen Netzhautablösung. Die Daten werden pseudonymisiert bzw. anonymisiert verarbeitet. Ziel ist es, die verschiedenen Formen des Silikonöl-assoziierten Sehverlusts besser zu verstehen, Risikofaktoren zu identifizieren und dadurch zukünftige Behandlungsentscheidungen sicherer und individueller gestalten zu können. Die Ergebnisse werden wissenschaftlich ausgewertet und ausschließlich zu Forschungs- und Qualitätszwecken genutzt.

In der CONCERTO-Studie wird untersucht, ob eine neu entwickelte, auf künstlicher Intelligenz (KI) basierende Software EKG-Aufzeichnungen zuverlässig auswerten und damit helfen kann, die Herzamyloidose – eine seltene Herzerkrankung – früher zu erkennen.

Hierfür werden bereits vorhandene EKGs aus der Routineversorgung genutzt. Diese EKGs werden in anonymisierter Form (ohne Namen oder andere persönliche Angaben) als PDF-Dateien in eine geschützte Datenbank hochgeladen. Zusätzlich werden einige grundlegende medizinische Informationen wie Alter, Geschlecht und Diagnosen in ein elektronisches Formular eingetragen.

Es werden keine neuen Untersuchungen durchgeführt und keine zusätzlichen Arztbesuche notwendig.

Die Daten dienen ausschließlich der wissenschaftlichen Auswertung. Die Ergebnisse sollen zeigen, wie gut die KI Veränderungen im EKG erkennt, die auf eine Herzamyloidose hinweisen können. Ziel ist es, die Diagnostik dieser Erkrankung künftig zu verbessern.

Nach Abschluss der Studie werden die Ergebnisse in wissenschaftlichen Fachzeitschriften veröffentlicht und auf Kongressen vorgestellt. Alle Auswertungen erfolgen streng vertraulich und im Einklang mit den Datenschutzvorgaben des Universitätsklinikums Bonn und der EU-Datenschutzgrundverordnung (DSGVO).

Spannungsabhängige Natriumkanäle sind wichtige molekulare Zielstrukturen von Antiepileptika. Es wird angenommen, dass nutzungsabhängige Blockierungseffekte besonders wichtig für die Wirksamkeit dieser Medikamente bei der Blockierung abnormaler Erregbarkeit sind, da diese Effekte während hochfrequenter neuronaler Aktivität am stärksten ausgeprägt sind. In früheren Arbeiten haben wir einen Verlust der nutzungsabhängigen Blockade von Natriumkanälen durch Carbamazepin (CBZ) bei Epilepsien nachgewiesen und diesen Verlust als möglichen Mechanismus der Pharmakoresistenz vorgeschlagen. Die zellulären und molekularen Mechanismen, die der Entstehung von pharmakoresistenten Na+-Kanälen zugrunde liegen, waren jedoch bisher unklar. Wir haben nun einen von Polyaminen abhängigen Mechanismus nachgewiesen, der das Ansprechen von Natriumkanälen auf zahlreiche Antikonvulsiva stark moduliert. Insbesondere zeigen wir, dass das Gleichgewicht bestimmter Polyaminspezies die Antiepileptika-Empfindlichkeit von Natrium-Kanälen bidirektional moduliert. Ein bestimmtes Enzym verursacht bei Epilepsie ein verändertes Gleichgewicht der Polyaminspezies, und verursacht Resistenz. In Gewebebanken von Patienten haben wir retrospektiv zeigen können, dass die Regulation dieses Enzym auch bei Patienten mit therapieresistenter Epilepsie auftritt. Die Aufklärung dieses grundlegenden Mechanismus für Pharmakoresistenz eröffnet neue Perspektiven für die Entwicklung von neuen Antiepileptika, die Pharmakoresistenz überwinden können.

In dieser retrospektiven Analyse nutzen wir ausschließlich solche medizinischen Daten, die bereits im Rahmen Ihrer regulären Behandlung erhoben wurden. Dazu gehören vor allem Echokardiografie-Befunde wie Strain- und Ejektionsfraktionswerte, relevante Laborwerte wie NT-proBNP oder Nierenparameter sowie klinische Angaben wie Alter, Geschlecht und Symptomstatus. Alle diese Informationen werden pseudonymisiert verarbeitet, das heißt: Ihr Name wird durch einen Code ersetzt, sodass die Daten keiner bestimmten Person zugeordnet werden können. Die Auswertung erfolgt anschließend rein statistisch und dient dazu nachzuvollziehen, wie sich bestimmte Parameter im Behandlungsverlauf verändert haben und welche Muster sich daraus für vergleichbare Patientengruppen ableiten lassen. Die Ergebnisse werden ausschließlich in zusammengefasster Form dargestellt, zum Beispiel in wissenschaftlichen Arbeiten oder Präsentationen, ohne dass Rückschlüsse auf einzelne Personen möglich sind. Die Daten werden nicht für kommerzielle Zwecke genutzt und nicht an unbefugte Dritte weitergegeben.

In dieser Studie werden ausschließlich Daten genutzt, die im Rahmen der normalen medizinischen Behandlung ohnehin erhoben wurden, wie zum Beispiel Alter, Geschlecht, Vorerkrankungen, Laborwerte (z. B. Troponin, BNP/NT-proBNP), Ergebnisse der Echokardiographie sowie Angaben zur erhaltenen Immuntherapie und zu eventuellen Krankenhausaufenthalten wegen Herzproblemen. Es werden keine zusätzlichen Untersuchungen durchgeführt. Alle Daten werden streng nach den geltenden Datenschutzstandards verarbeitet und in pseudonymisierter Form auf gesicherten Servern der Uniklinik Bonn gespeichert, sodass ein Rückschluss auf einzelne Personen nur über einen besonders geschützten Schlüssel möglich wäre. Die Auswertung erfolgt ausschließlich zu wissenschaftlichen Zwecken, um besser zu verstehen, welche Patientinnen und Patienten unter einer Immuntherapie ein erhöhtes Risiko für Herznebenwirkungen haben und wie diese künftig früher erkannt werden können. In allen Veröffentlichungen erscheinen ausschließlich vollständig anonymisierte Gesamtergebnisse. Nach Abschluss der Studie und sobald der Zweck der Nachverfolgung entfällt, werden die Daten endgültig anonymisiert oder gelöscht.

Im Rahmen des geplanten Case Reports werden patientenbezogene Daten, welche während der Behandlung am UKB erhoben wurden in anonymisierter Form verarbeitet, mit dem Ziel den medizinischen Fall und seine Zusammenhänge aufzuarbeiten und verständlich wiederzugeben. Hierfür werden zum einen die Patientenakte und zum anderen die erstellten Bilddaten (CT, MRT, DSA) herangezogen. Diese werden dahingehend anonymisiert, dass sie keine persönlichen Informationen oder Merkmale enthalten, die zu einem Wiedererkennen des/der Patient*in führen könnten.
Ziel ist die Veröffentlichung des Fallberichts in einem wissenschaftlichen Journal.

Welche Daten wir erheben
Wir schauen uns die vorhandenen Patientenunterlagen aus den Kliniken an, die an der Studie teilnehmen. Dabei werden folgende Informationen gesammelt (alle Angaben stammen bereits aus Ihrer regulären Behandlung):

Allgemeine Angaben:
Alter, Geschlecht, Größe, Gewicht, Rauch‑/Alkoholkonsum
Krankheits‑ und Befunddaten:
Art des Tumors, Diagnose, bekannte Begleiterkrankungen, Leistungs‑ und Allgemeinzustand
Behandlungsdetails:
Welche Operation und welche intraoperative Strahlentherapie (IORT) oder nachfolgende externe Strahlentherapie (EBRT) Sie erhalten haben
Dosis und Dauer der Strahlung, operative Techniken
Verlauf und Nebenwirkungen:
Welche Nebenwirkungen während und nach der Behandlung aufgetreten sind (nach dem standardisierten Bewertungssystem CTCAE V5.0)
Labor‑ und Bilddaten:
Blutwerte, bildgebende Verfahren (MRT, CT) und deren Befunde
Ergebnisse:
Überlebensdauer nach der Behandlung, lokale Tumorkontrolle, Auftreten neuer Hirnmetastasen usw.

Wie wir die Daten nutzen
Pseudonymisierung / Anonymisierung:
Lokal werden die Daten mit einem Code versehen (Pseudonym).
Vor dem Transfer in die zentrale Auswertung werden sämtliche Personenbezüge vollständig entfernt (Anonymisierung). So ist kein Rückschluss mehr auf einzelne Patienten möglich.
Statistische Auswertung:
Vergleich der Ergebnisse von Patienten, die intraoperativ bestrahlt wurden (IORT), mit einer Kontrollgruppe, die nach der Operation eine konventionelle Strahlentherapie (EBRT) erhalten hat.
Berechnung von Überlebensraten, lokaler Kontrolldauer, Nebenwirkungsquoten und weiteren Kennzahlen.
Wissenschaftliche Erkenntnisse:
Die ausgewerteten Daten dienen dazu, die Wirksamkeit und Sicherheit der IORT besser zu verstehen und zu prüfen, ob sie im Vergleich zur herkömmlichen Behandlung Vorteile bietet.

Was mit den Ergebnissen geschieht

Interne Auswertung:
Die Studienleiter und das Statistik‑Team prüfen die Ergebnisse, besprechen sie im Forschungsgremium und entscheiden über weiterführende Analysen.
Publikation:
Die wichtigsten Erkenntnisse werden in Fachzeitschriften veröffentlicht und auf internationalen Kongressen vorgestellt – so können Ärztinnen und Ärzte weltweit von unseren Erfahrungen profitieren.

Optimierung der Versorgung:
Die gewonnenen Daten fließen in Leitlinien und Behandlungsempfehlungen ein, um künftig die Therapie von Hirnmetastasen weiter zu verbessern (z. B. kürzere Krankenhausaufenthalte, schnellerer Anschluss von systemischen Therapien).
Registrierungs‑Datenbank:
Alle anonymisierten Datensätze verbleiben in einer gesicherten Register‑Datenbank. Sie können später für weitere Forschungsfragen (z. B. Langzeit‑Nachbeobachtungen) wieder ausgewertet werden, jedoch stets anonym und DSGVO‑konform.

Kurz gesagt: Wir nutzen bereits vorhandene, routineärztliche Daten, entfernen alle persönlichen Merkmale und werten sie statistisch aus, um zu prüfen, wie gut die intraoperative Strahlentherapie bei Hirnmetastasen wirkt. Die Ergebnisse dienen der Wissenschaft, fließen in Leitlinien ein und werden transparent auf unserer Klinik‑Website veröffentlicht – stets zum Schutz Ihrer Privatsphäre.

Transparenz‑Meldung – verständliche Zusammenfassung

1. Warum wird die Studie durchgeführt?
- Hintergrund: Etwa 10 % aller Patienten, die auf einer Intensivstation behandelt werden, leiden an einem akuten Lungenversagen (ARDS). Trotz moderner Verfahren zur Lungenunterstützung sterben bei schweren Fällen mehr als 40 % der Betroffenen.
- Was ist bislang bekannt?
- Es gibt Unterformen (Subphänotypen), die sich durch Entzündungs‑ und Schock‑Marker unterscheiden.
- Für andere Krankheiten (z. B. Asthma) kennt man bereits klar definierte biologische Untergruppen (Endotypen), die gezielt behandelt werden können – bei ARDS fehlt das noch.
- Ziel der neuen Studie: Zu prüfen, ob bestimmte Komponenten des Immunsystems (Antikörper (Immunglobuline) und verschiedene Immun‑Zelltypen) dabei helfen können, solche biologischen Untergruppen bei Patienten zu erkennen, die aufgrund eines Lungenversagens eine extrakorporale Membran‑Oxygenierung (ECMO; "Kunstlunge") benötigen.

2. Was wird konkret untersucht?
Fragen, die wir beantworten wollen:
- Immunglobuline (Antikörper): Wir untersuchen, ob ein Zusammenhang zwischen den Antikörper‑Spiegeln eines Patienten mit der Ursache des Lungenversagens besteht. Darüber hinaus untersuchen wir, ob anhand der Antikörper‑Spiegel der weitere Verlauf der Erkrankung abgeschätzt werden kann (z. B. Wahrscheinlichkeit des Überlebens, längerer Krankenhausaufenthalt). Verbessern Antikörper‑Messungen die Aussagekraft existierender Vorhersagemodelle (z. B. RESP‑Score)? Zudem möchten wir überprüfen, ob eine intravenöse Gabe von Immunglobulinen (Antikörpern) sinnvoll ist.
- Immun‑Zellsubgruppen: Welche Zahlen und Anteile von Blut-Zellen (z. B. Neutrophile, Lymphozyten, NK‑Zellen, B‑Zellen) zeigen sich bei den Patienten? Lassen sich damit Ursache, Verlauf und mögliche Komplikationen (z. B. Pilzinfektionen) besser einschätzen? |

Die Untersuchung erfolgt **retrospektiv**: Wir werten bereits vorhandene Routinedaten aus, die bei der normalen Behandlung in der Klinik erhoben wurden. Es werden keine zusätzlichen Untersuchungen oder Blutabnahmen durchgeführt.

3. Welche Ergebnisse (Endpunkte) werden erfasst?
- Überleben bis zur Entlassung aus dem Krankenhaus (Todesrate)
- Wie lange ein Patient auf eine ECMO und eine maschinelle Beatmung angewiesen war
- Wie lange der Aufenthalt auf der Intensiv‑ bzw. Normalstation dauerte
- Ob die betroffenen Patient*innen erfolgreich von ECMO und Beatmung entwöhnt werden konnten
- Schwere der Erkrankung (anhand verschiedener Score‑Werte: SOFA, SAPS II, TISS‑10) zu verschiedenen Zeitpunkten
- Notwendigkeit einer Nieren‑Ersatz-Therapie
- Auftreten von Sekundärinfektionen (z. B. invasive Pilzkrankheiten)

4. Wer ist für die Daten verantwortlich?
| Dr. Jens M. Poth | Oberarzt, Anästhesiologie/Intensiv‑ und Notfallmedizin |
| PD Dr. Stefan F. Ehrentraut | Oberarzt, Anästhesiologie/Intensiv‑ und Notfallmedizin |
| Dr. Mathias W. Schmandt | Oberarzt, Anästhesiologie/Intensiv‑ und Notfallmedizin |
| Lilli Joussen | Doktorandin (wissenschaftliche Mitarbeit) |

Nur die genannten Personen haben Zugriff auf die Daten und führen die Auswertung durch.

5. Wie werden die Patientendaten verarbeitet und geschützt?
a) Datenerfassung – Es werden ausschließlich Daten genutzt, die im Rahmen der normalen Behandlung bereits dokumentiert wurden (z. B. Laborwerte, Beatmungstyp, Medikamente). Diese bereits vorhandenen Daten aus der Vergangenheit werden nun rückblickend ausgewertet.
b) Anonymisierung/Pseudonymisierung –
- Die Daten werden zunächst "pseudonymisiert", d. h., die persönlichen Daten (Name, Geburtsdaten, direkte Personenmerkmale) werden nicht in die Auswertung übernommen. Nur Mitarbeitende der Klinik haben Zugriff auf diese Daten, die nicht mit Dritten geteilt werden.
- Zeitangaben werden in abstrakte Zeitspannen umgewandelt (z. B. „11 Tage seit ECMO‑Start“), mit anderen Angaben wird vergleichbar verfahren.
- Der Prozess überführt die Daten in eine anonyme Form, bei der nur noch aggregierte Daten veröffentlicht werden. Aus diesen können einzelne Patient*innen nicht mehr zurückverfolgt werden.
c) Speicherung –
- Die Originaldaten bleiben in den internen Systemen der Klinik (PDMS, KAS/Orbis).
- Die ausgewerteten Tabellen werden auf einem geschützten Klinikslaufwerk oder in der internen Klinik‑Cloud mit 2-Faktor-Authentifizierung gespeichert.
- Nur die oben genannten Studienmitarbeiter haben Zugriff.
d) Dauer der Aufbewahrung – Alle Daten werden 10 Jahre lang archiviert, wie es die Richtlinien der Deutschen Forschungsgemeinschaft (DFG) verlangen.


6. Rechtsgrundlage der Verarbeitung:
- § 75 BDSG – Nutzung von bereits vorhandenen Daten für Forschungszwecke.
- Art. 9 DSGVO – Verarbeitung besonders schutzwürdiger Daten (Gesundheitsdaten) nach gesetzlicher Erlaubnis.
- § 27 Abs. 1 BDSG‑neu – Datenverarbeitung für gemeinnützige Forschungsvorhaben.

7. Was bedeutet das für Sie als Patient?
- Keine zusätzlichen Eingriffe: Es werden keine zusätzlichen Blutproben oder Untersuchungen durchgeführt.
- Datenschutz: Ihre personenbezogenen Daten bleiben geschützt und werden nicht an Dritte weitergegeben.
- Ziel der Forschung: Wir wollen den Verlauf eines Lungenversagens besser verstehen, und welche Rolle die unterschiedlichen Komponenten des Immunsystems dabei spielen. Das könnte in Zukunft zu gezielteren Therapien und besseren Überlebenschancen führen.

---

*Diese Zusammenfassung dient dazu, Ihnen in verständlicher Form zu zeigen, welche Daten wir nutzen, warum wir das tun und wie wir den Schutz Ihrer privaten Informationen sicherstellen.*

Zweck(e) des Datennutzungsprojekts
Wir nutzen vorhandene Behandlungsdaten aus dem Universitätsklinikum Bonn für ein Forschungsprojekt. Ziel ist es, die Erkennung einer akuten Pankreatitis (Entzündung der Bauchspeicheldrüse) zu verbessern. Dazu entwickeln und prüfen wir ein Computerprogramm (mittels KI: künstlicher Intelligenz), das auf CT-Aufnahmen des Bauchraums typische Zeichen einer akuten Pankreatitis erkennen kann. Das Verfahren soll Ärztinnen und Ärzte künftig unterstützen, Befunde schneller und zuverlässiger zu erstellen.
Welche Daten nutzen wir und wie werden sie verwendet?
Für die Forschung verwenden wir rückblickend (retrospektiv) bereits vorhandene Daten aus der Krankenversorgung, insbesondere:
• CT-Bilddaten (CT-Abdomen) aus dem Bildarchiv (PACS: eng. Picture Archiving and Communication System, deut. Bildaufbewahrungs und Kommunikationssystem),
• Radiologische Befundtexte aus dem Radiologie-Informationssystem (RIS),
• Ausgewählte klinische Informationen (z. B. Diagnosen/ICD-Kodierungen, Laborwerte, relevante Behandlungen/Prozeduren und ggf. Medikamente), soweit für die wissenschaftliche Auswertung erforderlich.
Diese Daten werden vor der wissenschaftlichen Auswertung pseudonymisiert, oder, soweit möglich, anonymisiert. Die Daten werden genutzt, um das KI-Verfahren zu entwickeln und zu testen und um zu prüfen, wie zuverlässig eine akute Pankreatitis (Bauchspeicheldrüsenentzündungen) in CT-Aufnahmen erkannt werden kann.
Wie werden die Daten geschützt?
Die Auswertung erfolgt in einer geschützten IT-Umgebung mit beschränkten Zugriffsrechten. Ergebnisse werden nur in zusammengefasster Form dargestellt (z. B. Kennzahlen zur Genauigkeit des Verfahrens).
Was geschieht mit den Ergebnissen?
Die Ergebnisse werden wissenschaftlich ausgewertet und können in Fachzeitschriften veröffentlicht oder auf wissenschaftlichen Veranstaltungen vorgestellt werden. Dabei werden ausschließlich zusammengefasste Resultate berichtet, sodass keine Rückschlüsse auf einzelne Personen möglich sind. Perspektivisch kann das entwickelte Verfahren nach weiterer Prüfung dazu beitragen, Diagnostik und Arbeitsabläufe in der Radiologie zu verbessern.